Fakulta informačních technologií VUT v Brně

Detail předmětu

Zpracování řečových signálů

ZRE Ak. rok 2019/2020 letní semestr 5 kreditů

Aplikace počítačového zpracování řeči, číslicové zpracování řečových signálů, tvorba a slyšení řeči, úvod do fonetiky, předzpracování a základní parametry, lineárně-prediktivní model, cepstrum, určování základního tónu hlasu, kódování - časová oblast a vokodéry, rozpoznávání - DTW a HMM, syntéza. Software a knihovny pro zpracování řeči.

Garant předmětu

Zástupce garanta předmětu

Jazyk výuky

česky

Zakončení

zkouška (písemná)

Rozsah

26 hod. přednášky, 2 hod. cvičení, 12 hod. pc laboratoře, 12 hod. projekty

Bodové hodnocení

51 zkouška, 14 půlsemestrální test, 6 laboratoře, 29 projekty

Zajišťuje ústav

Přednášející

Cvičící

Získané dovednosti, znalosti a kompetence z předmětu

Studenti se seznámí se základními charakteristikami řečového signálu v návaznosti na tvorbu a slyšení řeči lidmi. Pochopí základní algoritmy analýzy řeči společné mnohým aplikacím. Získají přehled o aplikacích (rozpoznávání, syntéza, kódování) a o praktických stránkách implementace řečových algoritmů. Budou schopni navrhnout jednoduchý systém pro zpracování řeči (detektor řečové aktivity, rozpoznávač několika izolovaných slov), včetně implementace do aplikačních programů.

Cíle předmětu

Seznámit studenty se základními charakteristikami řečového signálu v návaznosti na tvorbu a slyšení řeči lidmi. Popsat základní algoritmy analýzy řeči společné mnohým aplikacím. Podat přehled aplikací (rozpoznávání, syntéza, kódování) a informovat o praktických stránkách implementace řečových algoritmů.

Proč je předmět vyučován

Řeč je nejběžnější formou lidské komunikace a řečí přenášíme nejvíce informací. Automatické zpracování řeči je potřeba jak pro zpracování komunikace člověk-člověk (kódování, nebo třeba dolování informací z hovorů v call centru), tak pro komunikaci člověk-počítač (hlasové ovládání, hlasové vyhledávání, autentizace pomocí hlasu) i počítač-člověk (syntéza z textu). V kursu ZRE dostanete přehled toho, jak se řeč tvoří, jak se parametrizuje, a jak se s ní dále pracuje. Uvidíte, že se jedná o zajímavý mix měkkých věd", zpracování signálů, strojového učení a dalších ingrediencí. Znalosti získané v ZRE můžete ale aplikovat i jinde, např. problém rozpoznávání sekvencí dalece přesahuje rozpoznávání řeči. Kurs je učen lidmi ze skupiny BUT Speech@FIT, která je na špičce světového výzkumu v dolování informací z řeči.

Literatura studijní

  • Gold, B., Morgan, N.: Speech and Audio Signal Processing, Wiley-Interscience; 2 edition. 
  • Rabiner, L. R., & Schafer, R. W. Theory and applications of digital speech processing, Pearson, 2011. 
  • Psutka, J., Müller, L., Matoušek, J., & Radová, V., Mluvíme s počítačem česky, Academia, 2006.  
  • Yu, D., Deng, L., Automatic speech recognition, Springer, 2016.

Literatura referenční

  • Gold, B., Morgan, N.: Speech and Audio Signal Processing, Wiley-Interscience; 2 edition. 
  • Rabiner, L. R., & Schafer, R. W. Theory and applications of digital speech processing, Pearson, 2011. 
  • Psutka, J., Müller, L., Matoušek, J., & Radová, V., Mluvíme s počítačem česky, Academia, 2006.  
  • Yu, D., Deng, L., Automatic speech recognition, Springer, 2016.

Osnova přednášek

  1. Úvod, aplikace zpracování řeči. 
  2. Číslicové zpracování řečových signálů.
  3. Tvorba a řeči a její signálový model.
  4. Předzpracování a základní parametry, cepstrum. 
  5. Lineárně-prediktivní model. 
  6. Určování základního tónu hlasu
  7. Kódování řeči - základy.
  8. Kódování řeči CELP. 
  9. Základy rozpoznávání řeči, DTW. 
  10. Skryté Markovovy modely HMM. 
  11. Systémy pro rozpoznávání řeči s velkým slovníkem (LVCSR). 
  12. Rozpoznávání mluvčího a jazyka. Využití neuronových sítí ve zpracování řeči. 
  13. Syntéza řeči z textu. 

Osnova numerických cvičení

  1. Paramatrizace, DTW, HMM.

Osnova počítačových cvičení

    V laboratořích (kromě poslední) je používán Matlab.
  1. Úvod. 
  2. Lineární predikce a vektorové kvantování. 
  3. Určování základního tónu a kódování řeči.
  4. Základy klasifikace. 
  5. Rozpoznávání - Dynamic time Warping (DTW).
  6. Rozpoznávání - skryté Markovovy modely (HTK).

Průběžná kontrola studia

  • půlsemestrální test 14b
  • projekt 29b
  • presentace výsledků na poč. cvičeních 6b

Rozvrh

DenTypTýdnyMístn.OdDoPSKSkupInfo
Popřednáškavýuky E105 16:0017:50 1MIT 2MIT MGM xx

Zařazení předmětu ve studijních plánech

Nahoru